Это веса визуального энкодера ConvNeXt-Base из семейства CLIP, опубликованные разработчиками timm. Модель предназначена для извлечения признаков изображений и получения векторных представлений, которые можно использовать в системах поиска и сравнения изображений или как визуальные признаки для других задач машинного обучения.

В репозитории представлены только веса image encoder, а не полная мультимодальная CLIP-модель. Указаны форматы PyTorch и Safetensors, библиотека timm и лицензия Apache-2.0. Карточка не сообщает размер модели, длину контекста, поддерживаемые языки или конкретные ограничения качества.